1.本发明属于计算机视觉及数字图像信息处理技术领域，尤其涉及一种基于雾感知密度估计的海面雾浓度检测预警方法。
背景技术：2.海雾是海的重要海洋天气灾害之一。大雾影响使各类船只不得不在海上抛锚或减速行驶，造成人力、物力和时间上的损失，同时误入海带、紫菜等养殖区而导致的“缠摆”事故也时有发生，对船只的正常航行也造成了极大的威胁。除了海上灾害，海雾还可能引发严重的陆上或空中交通事故，还可能导致电网停电而中断电力输送、甚至能产生雾闪，导致输变电线路向雾放电，直接威胁电网安全。因此通过对近海沿岸海雾基本规律特征的认识预测海雾浓度，不仅能保障海上活动和交通运输安全，而且有利于安排好工农渔业和交通运输生产，具有重要的学术意义和实践价值。
3.目前，气象局监测能见度的方法还是采取专业监测仪器来进行监测，虽然好处在于该类专用设备监测精准，但坏处在于受限于仪器，不能快速衡量当前能见度情况。所以，为了在雾天及时了解当前能见度情况并发布交通预警，简单快捷的图像处理方法是必要的。
4.近年来，对雾天图像的能见度或雾浓度检测算法集中于城市道路或建筑物密集的图像，只能对城市道路交通起到预警作用，对于海面这种背景单一，空白较多的环境无法准确估计。另外该算法大多提取的特征个数较多(大于5)，并且只能对雾浓度的等级进行量化，如当前雾浓度为轻雾、中雾或大雾，无法对雾浓度值进行量化，也就不能及时进行预警。
技术实现要素：5.本发明的目的在于提供一种基于雾感知密度估计的海面雾浓度检测预警方法，来克服无法在海面这种单一背景下通过图像来获取海雾浓度的缺陷，并通过对海雾浓度进行量化，与能见度匹配，根据量化浓度阈值及时给出预警。
6.本发明提供一种基于雾感知密度的海雾浓度检测预警方法，其通过在海面浮体上固定目标图片，对目标图片数据进行采集分析，实现海雾浓度检测预警；具体步骤如下：
7.s1：采集图像：实时采集海面浮体上固定的特征明显的目标图片在不同环境中的图像，作为待测试图像；
8.s2：提取有雾图像数据集、无雾图像数据集和采集的待测试图像的雾相关统计特征；雾相关特征包括：饱和度，韦伯亮度对比度和色度方差；
9.s3：基于有雾图像数据集和无雾图像数据集，利用多元正态分布mvg估计特征向量的均值与协方差矩阵，分别建立基于无雾mvg模型、有雾mvg模型的雾感知密度估计模型；
10.s4：对待测试图像提取三维特征向量x，分别通过与基于无雾mvg模型、有雾mvg模型的雾感知密度估计模型的马氏距离度量来预测待测试图像的无雾级别d1和有雾级别d2；
11.马氏距离度量公式为：
[0012][0013]
其中为特征向量，σn是色度方差，wn是韦伯亮度对比度，是平均饱和度，μi和∑i分别是有雾数据集和无雾数据集中所有块的特征集的均值和协方差矩阵，∑
′
为给定测试图像中所有块的特征集的协方差矩阵；
[0014]
采用平均策略，d1和d2求平均后，代入下面公式计算相对雾浓度d：
[0015][0016]
s5：对得到的相对雾浓度d数据进行平滑处理后，绘制相对雾浓度d随实时能见度的变化曲线图，根据相对雾浓度d值与能见度的拟合情况，确定雾浓度阈值；
[0017]
s6：预警提示：当实时相对雾浓度值d大于雾浓度阈值时，判断为有雾，给出预警提示。
[0018]
本发明中，步骤s1中，采用海雾图像采集装置采集图像，其包括浮体、锚系、配重、桅杆、数码相机和特征明显的目标图片；浮体通过锚系和配重相连，浮体上固定目标图片，同时浮体上设置桅杆，桅杆上搭载数码相机，数码相机对准目标图片用于实现目标图片图像的实时采集。
[0019]
本发明中，步骤s1中，每隔1分钟对目标图片进行采集，实时获取不同雾环境下的目标图像。
[0020]
本发明中，步骤s3中，多元正态分布mvg估计使用标准最大似然估计法描述数据集统计特性。
[0021]
本发明中，步骤s4中，以10分钟为一组，对相对雾浓度值d和能见度值进行光滑处理，将统计学中的z值大于3的样本作为奇异值去除；变化曲线图中，横轴为能见度各组均值，纵轴为图片d值的各组均值。
[0022]
本发明中，步骤s5中，将能见度1000米对应的相对雾浓度值确定为阈值，存入数据库中，便于及时给出预警提示。
[0023]
与现有技术相比，本发明的有益效果在于：
[0024]
1、本发明基于海面图像采集装置，在海面这种单一背景下，通过对指定目标图片进行拍摄，并进行图像处理，实现海雾浓雾检测预警。
[0025]
2、本发明基于雾感知密度雾浓度检测方法减少了特征向量的个数，降低了算法复杂度。通过多元正态分布(mvg)进行特征向量的均值与协方差矩阵估计，用马氏距离计算出雾浓度相对值后与能见度进行拟合确定出了有雾阈值，能及时给出预警，为海上活动带来便利。
附图说明
[0026]
图1是图像采集装置的侧视图。
[0027]
图2是图像预处理的步骤流程示意图。
[0028]
图3是基于雾感知密度估计的海雾浓度检测预警系统的工作步骤流程示意图。
[0029]
图4是雾浓度随能见度变化曲线图。
具体实施方式
[0030]
以下参照附图和具体实施例对本发明进一步详细说明，来全面了解本发明的技术方案和优点。这些说明和施例只用于解释本发明，并不限定本发明。
[0031]
本发明中提出一种海雾图像采集装置，如图1所示。图像采集装置由数码相机1，桅杆2，浮体4，锚系5和配重6组成，在浮体4上固定一张特征明显、色彩丰富、对比度和清晰度较高的目标图片3，固定相机1和目标图片3的位置，使相机1能完整采集到目标图片3的内容并且不留空白。通过该装置能实时获取到不同环境下的目标图片的图像，解决了海面背景环境单一，无法通过图像准确估计雾浓度的问题。
[0032]
进一步的，为了实现海雾浓度检测预警，本发明对海雾图像采集装置采集的目标图片进行处理，同时对有雾图像数据集，无雾图像数据集进行预处理，具体如下(图2)：
[0033]
(1)准备有雾图像数据集，无雾图像数据集和图像采集到的待测图像，提取图像雾相关统计特征，特征包括饱和度，韦伯亮度对比度和色度方差；
[0034]
计算饱和度公式为：
[0035]
s＝i
hsv
(i,j,2)
[0036]
其中i
hsv
是原图转换到hsv空间后的图像。
[0037]
计算韦伯亮度对比度的公式为：
[0038][0039]
其中i和i b分别表示图片前景和背景的亮度。
[0040]
计算色度方差的公式为：
[0041][0042]
其中μ
rg
和μ
yb
，σ
rg
和σ
yb
分别为rg和yb的均值和方差，其中rg＝r-g，
[0043]
yb＝0.5(r+g)-b。
[0044]
(2)多元正态分布(mvg)建模估计特征向量的均值与协方差矩阵。选择三个与雾相关的特征后，通过学习两个mvg模型(有雾mvg和无雾mvg)建立雾感知密度估计模型。使用标准最大似然估计法描述数据集统计特性。
[0045]
mvg模型的公式为：
[0046][0047]
其中x为特征向量，μ和σ分别为x的均值向量和协方差矩阵。这里，无雾模型和有雾模型分别由一对(μ1，σ1)和(μ2，σ2)描述。
[0048]
(3)通过马氏距离来计算雾浓度相对值。在学习了两个mvg模型后，对每个图像提取一个三维特征向量x，与两个无雾和有雾模型之间马氏距离度量来预测一个图像的无雾级别d1和有雾级别d2。
[0049]
马氏距离度量公式为：
[0050][0051]
其中∑
′
为给定测试图像中所有块的特征集的协方差矩阵。
[0052]
采用平均策略，d1和d2求平均后，代入下面公式的计算相对雾浓度d：
[0053][0054]
具体实施例中，本发明的基于雾感知密度的海雾浓度检测预警方法，实施步骤如下(图3)：
[0055]
步骤s1，图像采集。使用相机每1分钟对目标图片3进行采集，实时获取不同雾环境下的目标图像。
[0056]
步骤s2，提取图像雾相关统计特征，包括特征包括饱和度，韦伯亮度对比度和色度方差；
[0057]
步骤s3，通过多元正态分布(mvg)估计特征向量的均值与协方差矩阵建立雾感知密度估计模型；
[0058]
步骤s4，通过马氏距离来计算雾浓度相对值。在学习了两个mvg模型后，使用每个图像提取一个三维特征向量x，与两个无雾和有雾模型之间马氏距离度量来预测一个图像的无雾级别d1和有雾级别d2。
[0059]
马氏距离度量公式为：
[0060][0061]
其中∑
′
为给定测试图像中所有块的特征集的协方差矩阵。
[0062]
所述有雾模型和无雾模型包括有雾数据集和无雾数据集；
[0063]
采用平均策略，d1和d2求平均后，代入下面公式的计算相对雾浓度d：
[0064][0065]
步骤s5，数据平滑处理。以10分钟为一组对雾浓度值d和能见度值进行光滑处理，去除奇异值：
[0066]
利用统计学中的z值的定义进行帮助去除野值。z值表示了一个符合正态分布的随机变量的样本值距离均值有多少个标准差，计算公式为：
[0067][0068]
其中x为随机变量，μ为均值，σ为标准差，样本是一组10张图片。
[0069]
每一个样本计算出对应的z值，将z值大于3的样本作为奇异值去除，并用前后两个样本的均值替代。在去除奇异值并用新值替代后，再计算10个一组图片d值的均值。同样地，能见度也是以10分钟即10个值为一组，去除每一组的奇异值后计算该组均值。
[0070]
如图4所示绘制出具体实施例中的雾浓度随能见度变化曲线图，横轴为能见度各
组均值，纵轴为图片d值的各组均值，并且横轴按照升序排列绘制。图中显示出一条下降趋势明显的曲线，表现出能见度高、雾浓度小，或能见度低、雾浓度大的规律。根据雾浓度值与能见度的拟合情况，确定雾浓度阈值。
[0071]
步骤s6，预警提示。将能见度1000米对应的相对雾浓度值1.9，存入数据库中，便于及时给出预警提示。
[0072]
实施例中，所述预警提示为：
[0073]
当雾浓度值大于1.9时，判断为有雾，给出预警提示。
技术特征：1.一种基于雾感知密度估计的海雾浓度检测预警方法，其特征在于，其通过在海面上浮体的固定目标图片，对目标图片数据进行采集分析，实现海雾浓度检测预警；具体步骤如下：s1：采集图像：实时采集海面上浮体固定的特征明显的目标图片在不同环境中的图像，作为待测试图像；s2：提取有雾图像数据集、无雾图像数据集和采集的待测试图像的雾相关统计特征；雾相关特征包括：饱和度，韦伯亮度对比度和色度方差；s3：基于有雾图像数据集和无雾图像数据集，利用多元正态分布mvg估计特征向量的均值与协方差矩阵，分别建立基于无雾mvg模型、有雾mvg模型的雾感知密度估计模型；s4：对待测试图像提取三维特征向量x，分别通过与基于无雾mvg模型、有雾mvg模型的雾感知密度估计模型的马氏距离度量来预测待测试图像的无雾级别d1和有雾级别d2；马氏距离度量公式为：其中x = [, , ]为特征向量，是色度方差，是韦伯亮度对比度，是平均饱和度，和 分别是有雾数据集和无雾数据集中所有块的特征集的均值和协方差矩阵，为给定测试图像中所有块的特征集的协方差矩阵；采用平均策略，d1和d2求平均后，代入下面公式计算相对雾浓度d：s5：对得到的相对雾浓度d数据进行平滑处理后，绘制相对雾浓度d随实时能见度的变化曲线图，根据相对雾浓度d值与能见度的拟合情况，确定雾浓度阈值；s6：当实时相对雾浓度值d大于雾浓度阈值时，判断为有雾，给出预警提示。2.根据权利要求1所述的基于雾感知密度估计的海雾浓度检测预警方法，其特征在于，步骤s1中，采用海雾图像采集装置采集图像，其包括浮体、锚系、配重、桅杆、数码相机和特征明显的目标图片；浮体通过锚系和配重相连，海面浮体上固定目标图片，同时浮体上设置桅杆，桅杆上搭载数码相机，数码相机对准目标图片用于实现目标图片图像的实时采集。3.根据权利要求1所述的基于雾感知密度估计的海雾浓度检测预警方法，其特征在于，步骤s1中，每隔1分钟对目标图片进行采集，实时获取不同雾环境下的目标图像。4.根据权利要求1所述的基于雾感知密度估计的海雾浓度检测预警方法，其特征在于，步骤s3中，多元正态分布mvg估计使用标准最大似然估计法描述数据集统计特性。5.根据权利要求1所述的基于雾感知密度估计的海雾浓度检测预警方法，其特征在于，步骤s4中，以10分钟为一组，对相对雾浓度值d和能见度值进行光滑处理，将统计学中的 z 值大于3的样本作为奇异值去除；变化曲线图中，横轴为能见度各组均值，纵轴为图片 d 值的各组均值。
6.根据权利要求1所述的基于雾感知密度估计的海雾浓度检测预警方法，其特征在于，步骤s5中，将能见度1000米对应的相对雾浓度值确定为阈值，存入数据库中，便于及时给出预警提示。
技术总结本发明公开了一种基于雾感知密度估计的海雾浓度检测预警方法；该方法在海面这种单一背景下通过海雾图像采集装置来获取目标图像，提取图像雾相关统计特征后利用多元正态分布(MVG)估计特征向量的均值与协方差矩阵建立雾感知密度估计模型，再计算出图像与有雾模型和无雾模型之间的马氏距离得到雾浓度的相对值，经过数据平滑处理后对雾浓度和能见度进行拟合得到雾浓度阈值，最后根据阈值给出预警提示。本发明解决了无法在海面这种单一背景下通过图像来获取海雾浓度的缺陷，并通过对海雾浓度进行量化，与能见度匹配，根据量化浓度阈值及时给出预警。及时给出预警。及时给出预警。
技术研发人员：袁楚彦 尹建君
受保护的技术使用者：复旦大学
技术研发日：2022.06.30
技术公布日：2022/11/1
